據(jù)外媒報(bào)道，蘋果日前發(fā)布首份關(guān)于人工智能(AI)的學(xué)術(shù)論文，其中主要描述了在計(jì)算機(jī)視覺系統(tǒng)中提高圖像識(shí)別的方法，這標(biāo)志著蘋果終于透露了其人工智能研究的全新方向。

　　其實(shí)對(duì)于圖像識(shí)別技術(shù)，大家已經(jīng)不陌生。由于涉及個(gè)人隱私問題，雖然在電視機(jī)和空調(diào)上，無法直接應(yīng)用圖像識(shí)別技術(shù)，但是在冰箱上的應(yīng)用，卻很早就受到長虹美菱、海爾，以及美的等家電巨頭的認(rèn)可和推動(dòng)。但目前市場化商用的力度并不大。

　　蘋果發(fā)布的首份關(guān)于人工智能(AI)的學(xué)術(shù)論文，主要描述了在計(jì)算機(jī)視覺系統(tǒng)中提高圖像識(shí)別的方法，在機(jī)器學(xué)習(xí)研究中，使用合成圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練要比真實(shí)圖像更有效。原因在于合成圖像已經(jīng)被標(biāo)記和注釋，更加省時(shí)省力。舉例來說，眼部或手部的合成圖像都有自動(dòng)注釋，而描述類似物品的真實(shí)圖片算法并不熟悉，因此需要人類操作員進(jìn)行描述。

　　當(dāng)前人工智能軟件在各個(gè)領(lǐng)域，正變得必不可少。它幾乎被應(yīng)用到所有的應(yīng)用程序中。運(yùn)用人工智能技術(shù)，無論是圖像識(shí)別，還是語音識(shí)別，正變得越來越準(zhǔn)確，這包括機(jī)器能準(zhǔn)確識(shí)別語音、語義甚至靜態(tài)的圖片以及動(dòng)態(tài)的視頻。

　　如在智能家居領(lǐng)域，通過攝像頭獲取到圖像，然后通過圖像識(shí)別技術(shù)識(shí)別出圖像的內(nèi)容，從而做出不同的響應(yīng)。舉個(gè)例子，我們在門口安裝了攝像頭，當(dāng)有物體出現(xiàn)在攝像頭范圍內(nèi)的時(shí)候，攝像頭自動(dòng)拍攝下圖像，對(duì)圖像進(jìn)行識(shí)別。識(shí)別后如果發(fā)現(xiàn)是個(gè)人，并且長時(shí)間在門外并沒有敲門進(jìn)門等行為之后，就可以及時(shí)報(bào)警給戶主?；蛘?，在夜晚的時(shí)候發(fā)現(xiàn)有物體移動(dòng)，對(duì)物體進(jìn)行識(shí)別，如果是可疑的物體就主動(dòng)報(bào)警。

　　當(dāng)門口的攝像頭識(shí)別到人之后，再進(jìn)一步的對(duì)人像在進(jìn)行面部識(shí)別。如果能和主人的面部匹配上，就為主人主動(dòng)開門。還有現(xiàn)在家庭里的智能機(jī)器人，通過圖像識(shí)別技術(shù)對(duì)物體進(jìn)行識(shí)別，并且實(shí)現(xiàn)對(duì)人的跟隨。搭配上人工智能系統(tǒng)，它能分辨出你是它的哪個(gè)主人，并且能你進(jìn)行一些簡單的互動(dòng)。比如檢測到是家里的老人，它可能會(huì)為你測一測血壓;如果是小孩子，它可能給你講個(gè)故事。

　　事實(shí)上圖像識(shí)別元不僅如此，圖像識(shí)別可分為生物識(shí)別、物體與場景識(shí)別和視頻識(shí)別。據(jù)估算，到2020年生物識(shí)別技術(shù)市場規(guī)模將達(dá)到250億美元，5年內(nèi)年均增速約14%。其中，人臉識(shí)別增速最快，將從2015年的9億美元增長到2020年的24億美元。

　　在物體與場景識(shí)別中，機(jī)器視覺是一個(gè)重要的部分。預(yù)計(jì)2018年，全球機(jī)器視覺系統(tǒng)及部件市場規(guī)模達(dá)到50億美元。視頻識(shí)別主要用于安防產(chǎn)業(yè)，我國未來5年總體年增長率仍將保持在20%左右，到2020年有望達(dá)到萬億元。

　　隨著各領(lǐng)域?qū)τ谏矸葑R(shí)別和驗(yàn)證的精確度要求的提高，基于圖像識(shí)別技術(shù)的人臉識(shí)別和視頻識(shí)別技術(shù)在金融、安防、醫(yī)療、無人駕駛等領(lǐng)域迎來了發(fā)展機(jī)會(huì)。

　　而隨著圖像識(shí)別技術(shù)的發(fā)展，高性能的AI計(jì)算芯片、深度攝像頭和優(yōu)秀的深度學(xué)習(xí)算法也在為推動(dòng)圖像識(shí)別向更深處發(fā)展提供源源不斷的動(dòng)力。AI底層架構(gòu)從CPU+GPU到FPGA，再到人工智能專用芯片，運(yùn)行表現(xiàn)不斷刷新。

　　深度攝像頭的開發(fā)也加強(qiáng)了前端獲取深度信息的能力，為后端數(shù)據(jù)處理帶來了極大的便利。另外隨著以深度信念網(wǎng)絡(luò)(DBN)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)為代表的深度學(xué)習(xí)算法在圖像識(shí)別中的廣泛應(yīng)用，圖像識(shí)別的準(zhǔn)確率得到了很大的提升。

　　ImageNet比賽圖像識(shí)別中對(duì)象分類項(xiàng)目準(zhǔn)確率從2010年的72%提升到了今年的97%，可謂實(shí)現(xiàn)飛躍發(fā)展。圖像識(shí)別獲得了快速發(fā)展，應(yīng)用產(chǎn)品層出不窮，成為人工智能應(yīng)用的急先鋒。刷臉支付、機(jī)場自助通關(guān)、增強(qiáng)現(xiàn)實(shí)、無人駕駛等都是圖像識(shí)別技術(shù)快速普及的一個(gè)縮影。